2025年半导体行业策略：云巅千帆竞渡，端侧万物生辉，自主驭潮生

1. 行情回顾

近两年半导体行业呈现“周期复苏+技术创新”双轮驱动格局：2024 年行业触底反 弹，2024 年全球半导体总销售额达 6180 亿美元，同比增长 18.1%，2025 年预计突破 7000 亿美元。半导体本轮复苏主要由 AI 算力需求爆发、存储芯片价格反弹及国产替代 加速推动。进入 2025 年，行业预计将进入复苏新阶段，AI 的云端和终端应用仍然是全 球半导体行业的核心增长点，同时国产科技的爆发使得自主可控的趋势有望加速，政策 层面的利好将贯穿本轮周期，整体来看可以期待半导体在成长和周期兼备的情况下有望 进一步走向增长。

回顾近一年半导体行业市场行情，自 2024 年初至 2025 年 3 月 19 日，申万半导体 指数涨幅达 40.21%，大幅跑赢沪深 300 的 18.42%，分阶段来看包含以下阶段： ①2024 年 1 月：由于消费电子需求疲软，叠加部分企业业绩预告不及预期，资金转 向防守板块，行业成交额显著萎缩，半导体指数单边下跌 24.63%，创历史最大单月跌 幅，但是同时单月半导体销售额延续 2023 年 12 月的亮眼走势，同增 18.15%，显示行 业正在走出底部。 ②2024 年 2-5 月：消费电子补库启动，智能手机、家电需求回暖；OpenAI 发布 Sora、 英伟达 GB200 芯片发布等事件催化算力需求，带动国产云端算力芯片及服务器产业链 走强；存储芯片库存情况得到改善，价格反弹，需求逐渐回暖；大基金三期成立，资金 预期重点投向设备、材料等“卡脖子”环节，这一时期指数以震荡修复为主。 ③2024 年 7-9 月：设备材料、晶圆制造等细分领域因国产替代加速，表现突出，H1 净利润增速超 100%企业占比达三成，复苏趋势明确，行业内呈现结构性分化，整体以 积蓄力量的震荡表现为主。 ④2024 年 10-12 月：以政策利好为主要推动力，财政货币政策宽松刺激市场信心， 流动性得到大幅扩充，半导体板块领涨市场；地缘政治不确定性加速国产替代，海外限 制事件频出，但同时国产技术在各环节加速发展，自主可控主线明确，市场表现为大幅 上涨后高位震荡，期间最大涨幅达 83.10%。 ⑤2025 年 1 月至今：2025 年开年，半导体行业呈现结构性分化与技术创新并行的 特征，以 DeepSeek 为代表的一批科技企业在多个领域取得喜人成就，市场对于国产科 技自立自强的预期拉升，硬科技板块持续获得资金流入，同时部分行业龙头业绩预增得 到市场认可，年初至今行业指数涨幅达 10.21%。

行至 2025，我们认为半导体行业整体乐观，行业进一步复苏的可能性较大。据多家 专业机构预测，2025 年半导体销售额增速将保持在 11%-15%之间，即基本延续 2024 年 的增长速度。

但是同时，我们认为行业的增长仍然并非是全面性的，而是以结构性的行情表现为 主。从半导体行业发展历史来看，每一轮周期激发行业高斜率增长的核心因素在于关键 的下游需求变化，而本轮周期中 AI 叙事的延续与否预计依旧是行业增长前景的最大扰动 项。展望 2025，我们判断，“周期复苏+技术创新”的双轮驱动没有发生关键改变，寻找 行业最大弹性的关键在于三个部分：第一，云端 AI 的算力逻辑；第二，AI 应用走向边缘 端的可预期变化；第三，行业各环节自主可控的进程期待。

2. 云侧 AI：叙事逻辑无重大变化，叙事主体出现转向趋势

2.1 模型训练侧：Scaling Law 尚未见顶

Scaling Law 说明了 AI 模型训练领域的“大即是好”，是推动算力产业链爆发的核 心法制。Scaling Law 最早由 OpenAI 于 2020 年提出，用以描述模型性能（损失值）与 三个因素：模型的参数量、模型的算力投入和模型的训练 Token 数据集之间的幂律关系， 即通过提升这三个因素而提升模型性能是有迹可循的。对于 Decorder-only 的模型而言， 算力投入、参数量与训练数据量三者通常成线性正比关系，即随着模型参数量/训练数据 量的提升，算力投入也需要相应地提升。

模型规模大小成指数上升，算力需求相应增长的规律未发生变化。纵观 AI 模型训练 历史，自 2010 年后，新诞生的 AI 模型参数数量以平均每年 2 倍的速度提升，用于训练 AI 模型而投入的算力则以每年 4.6 倍速度提升。因此考虑模型的大小、训练数据量和计 算量综合体现的模型规模大小始终处在快速增长中。因此我们认为，当前的新生 AI 模型 仍然倾向于以提升模型规模大小的方式提升模型性能。

Grok-3 重磅发布，AI 模型表现持续推进。2025 年 2 月 18 日，Elon Musk 旗下的 人工智能公司 xAI 发布了 Grok-3 系列模型，根据官方公开的测试结果，Grok-3 在包括 AIME 和 GPQA 等基准测试中超过了 DeepSeek-V3 和 GPT-4o 等顶尖模型，同时在大 模型竞技场 Chatbot Arena 测试中，xAI 工程师表示，早期版本的 Grok-3 获得了第一的 成绩，达到了 1402 分，成为全球第一个突破 1400 分的 AI 模型。 Grok-3 再次印证 Scaling Law，其出众表现离不开庞大的算力投入。xAI 第一阶段 用了 122 天的时间构建了包含 10 万个 GPU 的数据中心 Colossus，创造了全世界规模 最大的 H100 集群；但是团队认为此时的算力投入并未达到他们的需求，因此 xAI 又用 了 92 天的时间将数据中心的规模扩展到 20 万个 GPU，而 Grok-3 的训练正是在这个基 础设施上进行的。虽然 Grok-3 并未公布其模型的参数量，但是由训练其的算力投入倒 推，预计 Grok-3 的参数量将远高于 314B 的 Grok-1。因此我们认为 Grok-3 的出现一方 面既证实了当前 Scaling Law 仍然在发挥效用，AI 训练的“大力出奇迹”还在延续；另 一方面，Grok-3 出色的性能表现会鼓励各 AI 研究机构继续加大算力投入以期获得出色 的模型性能。

2.2 DeepSeek 引爆全球，聚焦模型推理能力

DeepSeek 一经发布迅速吸引全球目光。DeepSeek 于 2024 年 12 月 26 日开源 DeepSeek-V3 模型，2025 年 1 月 11 日发布 APP，1 月 20 日开源 DeepSeek-R1 模型。 APP 上线 20 天全球日活 DAU 就突破了 2000 万，成为全球增速最快的 AI 应用；网站 端访问量则以 22.3 倍的速度增长，1 月网站月访问量达 2.56 亿，环比增长 2230.89%； 在 1 月累计获得 1.25 亿用户，其中 80%以上用户来自最后一周，即 DeepSeek 在没有 任何广告投放的情况下，仅用了 7 天完成了 1 亿用户的增长。

DeepSeek 的火爆表现主要源于其出色的推理表现，DeepSeek-R1 与 OpenAI-o1 的水平相当。DeepSeek-R1 的基准表现，R1 在多个评测中表现结果持平甚至超过了 OpenAI-o1，尤其是在数学领域的表现尤为突出，DeepSeek-R1 在 2024 年 AIME 上的 单次预测准确率达到 79.8%；在 MATH-500 上，它取得了令人瞩目的 97.3 的分数，与 o1-1217 表现相当，显著超越了其他模型。在代码领域虽然表现差于 o1，但得分差距较 小，在 Codeforces 上获得了 2029 Elo 评级，超过了 96.3%的竞赛参与者，整体来看， DeepSeek-R1 具有非常优秀的推理能力。

DeepSeek-R1 其训练亮点在于探索了如何增强模型的推理能力。我们认为推理模 型即具有回答复杂、多步骤、长链条问题能力的模型，其主要可用于解决如高级数学问 题、高级编程问题等复杂问题。DeepSeek-R1 作为一个典型的推理模型，其推理能力的 获得是通过以下三种方式实现的，并通过三种方式得到了三种模型：DeepSeek-R1-Zero、 DeepSeek-R1、DeepSeek-R1-Distill： ①RL（Reinforcement Learning，纯强化学习）：DeepSeek 团队设定了精度奖励 和格式奖励两种奖励模型，精度奖励模型评估响应是否正确，格式奖励模型则要求模型 提供思考过程，除此之外团队并未使用具有人类偏好的奖励模型，团队设计了一个简单 的模板，引导模型首先生成推理过程，然后是最终答案，通过有意识地将约束限制在这种结构格式上，训练得到了 R1-Zero 模型。 ②RL+SFT（Supervised Fine-Tuning，监督微调）：团队使用未经过 SFT 的 R1- Zero 生成了冷启动 SFT 数据，进行了一轮微调，保留了精度奖励和格式奖励的同时， 团队添加了一致性奖励模型，然后对模型开展了一个新的 RL 阶段，在这轮 RL 结束后 的检查点团队又收集了 60 万个推理数据以及 20 万个由 V3 模型生成的 CoT（Chain of Thought，思维链）数据，并通过以上共 80 万个数据组成的数据集对模型进行了新一轮 微调，在微调结束后，团队利用基于规则的奖励来指导数学、代码和逻辑推理领域，利 用人类偏好奖励来指导通用数据，并进行了最后一轮 RL，最终得到了 R1 模型。 ③SFT+蒸馏（Distillation）：为了让规模较小的模型也能获得类似于 R1 模型的推 理能力，团队使用②中第二次微调所用到的 80 万个数据组成的数据集对 Qwen2.5-Math1.5B、Qwen2.5-Math-7B 和 Llama-3.3-70B-Instruct 等小模型进行了微调，得到了若干 蒸馏模型 R1-Distill。

从效果观察，DeepSeek 团队的探索对于增强模型推理能力的意义巨大。对于仅进 行了 RL 的 R1-Zero 模型，其推理能力在多个维度已经接近 OpenAI-o1，甚至于在 AIME （cons@64）以及MATH-500测试上的得分超过了o1-0912，而在此基础上通过 SFT+RL 训练得到的 R1 的性能表现就更加出色了；对于蒸馏过后的模型，高效的 R1-7B 就能在 所有指标上超越像 GPT-4o-0513 这样的非推理模型，R1-14B 在所有评估指标上都超过 了 QwQ-32B-Preview，而 R1-32B 和 R1-70B 在大多数基准测试中显著超越了 o1-mini。

DeepSeek 团队在 R1 模型的训练过程中的发现对于大模型推理能力的提升做出了 诸多贡献：第一，直接将 RL 应用于基础模型，而不依赖 SFT 作为初步步骤，这种方法 使模型能够探索 CoT 来解决复杂问题，从而开发出了展示自我验证、反思和生成长思维 链等能力的 R1-Zero 模型，且这是第一次通过纯 RL 激发大语言模型推理能力的公开研 究；第二，团队证明了较大模型的推理模式可以蒸馏到较小模型中，蒸馏模型虽然比不 上 SFT+RL 得到的模型，但是却并不比纯 RL 模型表现差，而蒸馏模型的参数量是远远 更小的；第三，蒸馏模型与在小模型上通过强化学习发现的推理模式相比，能带来更好 的性能。

2.3 模型推理侧：当前推动算力需求增长的第二极

推理 Scaling Law 强调在推理阶段通过增加计算资源来提升模型性能。清华大学和 卡内基梅隆联合研究团队展示了在不同推理策略（加权多数投票和 Best-of-N）下， GSM8k 数据集上的推理扩展情况。可以看到，随着每个问题的推理算力增加，测试误差 率显著下降。这一现象表明，推理侧的 Scaling Law 不仅影响模型的计算效率，还直接 决定了模型在实际应用中的性能表现。通过合理调整推理策略和模型规模，可以在有限 的计算资源下，最大化模型的准确性和效率。因此我们认为，深入研究和优化推理侧的 Scaling Law，对于提升大规模模型的实际应用价值具有重要意义。

随着模型规模的不断增大，推理侧的 Scaling Law 在提升模型性能方面的重要性愈 发显著。OpenAI 团队通过大规模强化学习算法教会 o1 模型如何在高度数据高效的训练 过程中使用 CoT 进行高效思考，无论是随着强化学习（train-time compute）的增加或是思考时间的增加（test-time compute），o1 的性能均会不断提高。无独有偶，DeepSeek 团队发现R1-Lite模型在数学竞赛上的得分也与测试所允许思考的长度紧密相关，即CoT 越长则推理结果越精准。因此我们认为，在当前 AI 发展阶段，在预训练阶段之外，在后 训练阶段对模型加大强化学习力度或在推理阶段允许模型多思考一会儿，都能使模型的 “智能”程度明显提升。

后训练和推理的 Scaling Law 在当前时点下更可能有所作为。我们认为在当前时 点：后训练阶段的 Scaling Law 强调在预训练完成后，通过 RL 和推理优化进一步提升 模型性能，不仅能够提升模型的特定任务性能，还能在不显著增加模型参数的情况下实 现性能飞跃；而推理阶段的 Scaling Law 则关注在模型部署阶段通过增加推理时间或计 算资源来提升模型输出的质量。尽管当前的预训练阶段可能呈现出一定的参数扩展带来 的边际收益逐渐递减的趋势，但是由于后训练和推理阶段的算力需求正接近“性能弹性” 最大的阶段，因此发展 AI 模型整体的算力需求仍十分可观。

推理算力预计占比将不断提升，成为训练算力之外的第二极。我们认为随着 AI 的 2B/2C 端应用越发广泛，AI 使用将逐渐渗透到社会需求的各方面，对模型推理需求也势 必会提升，叠加为追求模型性能优化而投入提升的 test-time，推理芯片将接棒训练芯片， 有望复刻训练芯片的快速增长。根据 IDC 数据，2020 年中国数据中心用于推理的芯片 的市场份额已经超过 50%，预计到 2025 年，用于推理的工作负载的芯片将达到 60.8%。 预计单芯片的推理能力将逐渐增强，将单芯片算力耗尽的推理任务和小规模推理任务将 出现混合部署趋势，芯片会逐步加强对于虚拟化技术的支持。

2.4 如何看待当前 AI 叙事逻辑下的算力需求？

四大 CSP 的 CapEx 依旧乐观，而 2025 年的支出可能达 3200 亿美元。北美四大 CSP 2024Q4 CapEx 合计达 723.48 亿美元，YoY 达 68.22%，而 2024 年全年合计 CapEx 达 2285.44 亿美元，YoY 达 54.87%。 展望 2025，亚马逊表示公司 2025 年 CapEx 将增至 1000 亿美元；Meta 于电话会 议中申明 2025 年 CapEx 将在 600 亿至 650 亿美元之间，这笔资金将用于推动 AI 战略； 微软则是宣布，FA2025 将在 AI 数据中心方面开支 800 亿美元用于建设能够处理人工智 能工作负载的数据中心；谷歌方面预期 2025 年资本开支 750 亿美元，YoY+43%。综合 预计 2025 年北美四大 CSP 合计 CapEx 有望超过 3200 亿美元，按此估算 YoY 也在 40% 以上。

DeepSeek 成本极低、算力有限实际上并不意味着全球算力需求萎缩。DeepSeek 通过高细粒度的 MoE（Mixture of Experts，混合专家）架构、MLA（Multi-head Latent Attention，多头潜在注意力）、FP8 混合精度训练、减少通信开销的 DualPipe 算法等算 法层面的优化，实现了仅用 278.8 万个 H800 的 GPU 小时就训练出了 V3 模型，即按照 2 美元每小时租赁费用来算，训练成本仅为 557.6 万美元。与其它国际主流模型对比， DeepSeek 的训练成本极低，因此产生了部分认为未来 AI 研发算力需求将会大幅减少的 观声音。 CSP 的乐观 CapEx 在一定程度打破了算力需求趋弱的观点。我们认为 CSP 持续 加大投入的主要原因包括以下三方面：第一，DeepSeek 在技术层面上确实提供了降低 模型训练成本的可能，但 AI 军备竞赛具有商业层面的考量，AI 技术领先可以在构建商业生态时获得明显的先发优势；第二，即由于杰文斯悖论的存在，AI 算力需求仍然有较 大的不降反升的可能，所谓杰文斯悖论即当技术进步提高了效率，资源消耗不仅没有减 少，反而激增，例如，瓦特改良的蒸汽机让煤炭燃烧更加高效，但结果却是煤炭需求飙 升，我们认为在 AI 领域也有可能会呈现这种发展趋势；第三，即我们在前面论证的，推 理端算力成为下一阶段 AI 发展的重点，尤其对各大 CSP 而言，推理端实际上才是挂钩 其收入的，因此模型推理效率的提升意味着算力投入的回报率提升，加大算力投入规模 逻辑顺畅。

我们认为 AI 基建的叙事仍在延续，训练 AI 模型的成本或持续增长，AI 服务器需求 仍将持续增长。从服务器看，根据 TrendForce 数据，2024 年整体服务器产值约 3060 亿美元，其中 AI 服务器较通用服务器增长动能更为强劲，产值约为 2050 亿美元，预计 2025 年 AI 服务器需求仍将持续增长，且价端有望提高较大贡献，产值有机会提升至近 2980 亿美元，YoY 达 44.96%，占整体服务器产值比例进一步提升至 7 成以上。从 AI 训 练成本看，根据 Epoch AI 数据，从 2016 年到 2024 年，成本呈现出显著的上升趋势， 前沿模型最终训练运行的摊销硬件和能源成本以每年 2.4 倍的速度快速增长，近年来的 增长尤为明显，尽管技术取得了进步，但对更强大硬件和能源资源的需求继续推高成本， 因此我们认为在不考虑算法优化的情况下，训练成本不断增长的趋势将持续演绎。

不考虑人力成本的支出，芯片在 AI 的训练成本中占比最大，需求空间巨大。根据 Epoch AI 数据，芯片在 AI 训练成本中占据了显著的比例。以 Gemini 1.0 Ultra 和 GPT4 为例，AI 芯片的成本占比均超过 40%，而在 OPT-175B 和 GPT-3 175B 中，这一比例 更是接近 50%，这表明，随着模型规模的增大，AI 芯片在整体训练成本中的重要性愈发 凸显。芯片作为计算的核心部件，直接决定了模型训练的效率和速度，因此 AI 研发团队 对于高性能的芯片需求是天然巨大的，尽管其作为一次性支出的成本巨大，但是高性能 芯片能够显著提升训练过程中的计算能力，从而缩短训练时间，降低单位计算成本。

国产算力产业链受益于 DeepSeek 发布，有望具有更强弹性。对于国内算力供应链 而言，我们认为 DeepSeek 的出现是一剂强心针，标志着国产 AI 实现了比肩全球顶级 模型水准的跨越，DeepSeek 通过算法、架构、工程的软硬件协同优化创新，以有限算 力超低成本实现了性能比肩顶尖国外模型的国产模型，印证了软硬协同这一技术路线对 推动 Scaling Law、突破算力瓶颈的有效性和巨大潜力。我们认为其对国产算力链的影 响包括：第一，从当前国产 AI 生态来看，国产的算力资源仍然稀缺，随着以 DeepSeek 为代表的国产 AI 大模型的持续发展，国产算力缺口依旧较大，因此我们认为当前是软硬 件协同实现国产算力芯片突破，进而实现国产 AI 生态闭环的关键窗口期，可以看到在 DeepSeek-R1 模型发布后国产硬件厂商用极快的速度纷纷接入 DeepSeek，我们判断通 过此次软硬件合力发力的机会为二者未来持续融合夯实了基础；第二，如我们在前文的 分析中指出推理芯片的占比将会持续提升，CSP 出于成本以及可得性考虑，我们判断 ASIC 在算力芯片中的比重将会不断提升，预计将持续为国产算力芯片创造发展动能。

综上，我们认为整个云端 AI 的算力需求扩张在 2025 年仍然值得期待。第一，pretraining 的 Scaling Law 仍在延续的背景下，post-training 和推理侧的 Scaling Law 接棒， 各 AI 研究机构仍有足够动力加大各环节算力投入以追求模型性能的提升；第二，尽管 DeepSeek 的出现成功具象化了提升算法降低成本的路径，但是对各大 CSP 而言，AI 技 术正面临商业化落地的关键窗口，加大投入即意味着提升模型推理能力进而实现云端服 务收入落地；第三，DeepSeek 的出现一定程度上改善了之前仅有大型企业可以参与到 AI 前沿开发的竞争格局，DeepSeek 具有成本低廉、开源、性能强悍等特征，有望激发 部分新生玩家的需求；第四，对于国产厂商而言，DeepSeek 成为了改变 AI 生态环境的 先驱者，受其带动下国产硬件厂商切入参与到 AI 前沿产业链的机会增大。因此我们建议 持续关注国产算力产业链。

3. 端侧 AI：模型推理能力提升，AI Agent 开启人机协作

我们认为在端侧的一个重点趋势即各类搭载 AI 功能的设备蓄势待发。其智能化表 现有望得到大幅改善，2C 落地进程或加快实现，具体原因如下： 第一，DeepSeek 的发布使得在终端设备上部署 AI 的技术完备性得以提升。 DeepSeek 模型在架构设计、训练优化及推理部署策略等多方面采用的创新技术，显著 提升了模型性能和训练效率，降低了计算资源需求，为其在端侧设备部署 AI 带来了可 能，其创新技术包括： ①DeepSeek MoE 架构：采用更细粒度的专家划分，并设置共享专家，提高了模型 训练效率。同时，创新的无辅助损失负载均衡策略，通过动态调整偏差项确保专家负载 平衡，避免了因负载不均衡导致的性能下降，使得模型在资源受限的端侧设备上也能稳 定运行； ②MLA：通过对注意力键值进行低秩联合压缩，减少推理时的键值缓存，降低内存 占用。仅需缓存特定向量，在保持性能的同时，显著减少了 Key Value 缓存，这对于端 侧设备有限的内存资源来说至关重要，有助于模型在端侧设备上快速进行推理计算； ③推理阶段优化：在推理时，采用分离预填充和解码阶段的部署策略。预填充阶段 通过合理配置张量并行、数据并行和专家并行，提高计算效率；解码阶段将共享专家视 为路由专家，减少计算复杂度，利用 IBGDA 技术降低延迟提高通信效率，同时通过将两 个微批次的相似计算工作量重叠提升了吞吐量并降低了全对全通信的开销，满足端侧设 备对及时性的要求； ④模型蒸馏：前文我们提到的模型蒸馏通过将大型模型的知识转移到小型模型，使 得在端侧设备有限的计算资源和存储条件下，依然能够实现高效的 AI 推理，提升了端侧 AI 应用的性能和用户体验。

第二，AI 模型发展迎来新范式，Agent 形式的 AI 在 2025 年迎来更多关注。AI Agent 是一种程序，它可以与环境互动，收集数据，并利用数据执行自决任务，以实现预定目 标。人类设定目标，但 Agent 会独立选择实现这些目标所需的行动，Agent 的工作原理 是将复杂的任务简单化和自动化。大多数自主 Agent 在执行指定的任务时，都会遵循特 定的工作流程如下： ①确定目标：Agent 从用户那里接收特定的指令或目标，然后将目标分解成若干个可执行的小任务，为了实现目标，Agent 会根据特定的指令或条件执行这些任务； ②获取信息：Agent 需要信息才能成功执行其计划的任务，因此 Agent 可能会访问 互联网来搜索和检索所需的信息。在某些应用场景中，Agent 之间或 Agent 与其它模型 交互，以获取或交换信息； ③执行任务：有了充足的数据，Agent 就会开始执行，完成一项任务后就将其从列 表中删除，然后继续执行下一项任务，在完成任务的间隙，Agent 会通过寻求外部反馈 和检查自身日志来评估是否达到了指定目标，同时在此过程中可能会创建并执行更多任 务，以达到最终结果。

AI Agent、聊天机器人和生成式 AI 都是旨在帮助用户的 AI 形式。但是，它们在功 能、复杂性和实际应用方面存在显著差异。功能性方面，Agent 是能够自主执行和适应 各种任务的先进系统，旨在增强人类的能力，并且可以跨各个领域运行，而不仅仅是客 户服务；复杂性方面，Agent 系统需要更复杂的技术理解上下文并有效地执行任务，由 于可以从交互中学习并随着时间的推移而改进，因此它们通常适用于更复杂的应用程序； 用户体验方面，Agent 通过处理多轮对话并根据用户行为和偏好提供个性化响应，可以 以更自然、更像人类的方式学习和回应人类；投资成本方面，设置和运行 Agent 通常包 括购买或开发 LLM、获取必要的硬件以及将系统集成到现有基础设施中，同时由于 Agent 需要大量高质量数据来训练和改善结果，因此额外的成本可能包括数据收集、存储和处 理。

从各大科技企业动作来看，AI Agent 在 2025 年或将大规模爆发。一方面，从技术 角度看：AI Agent 正在变得更加多样化和智能化，Agent 在交互方式、性能提升、功能 丰富等方面均有所提升；另一方面，从商业角度看：AI Agent 的商业化和生态建设正在 加速，各大 CSP 均加快建设 Agent 与自身业务的沟通渠道，实现业务联动。因此我们认为 2025 年 AI Agent 的变化，实际上是技术进步和市场需求共同作用的结果。技术上 的发展，为 AI Agent 提供了强大的能力，而市场上的需求，以及用户对更智能、更便捷 服务的追求，又推动了 AI Agent 的商业化和应用。

第三，政策层面加速推动智能终端发展。2025 年政府工作报告中提出：持续推进 “人工智能＋”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广 泛应用，大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智 能终端以及智能制造装备。 综上所述，我们认为边缘端 AI 在 2025 年将会迎来更多的发展机会，其中的重点细 分赛道包括：AI 手机及 PC、AI 眼镜、汽车智能驾驶。

3.1 AI 手机&PC：端侧 AI 渗透的关键一年

苹果在 WWDC24 发布 Apple Intelligence，端侧 AI 进入新阶段。Apple Intelligence 深度集成于 iOS 18、iPadOS 18 和 macOS Sequoia 中，充分运用苹果芯片对语言和图 像的理解与创作能力，可做出多种跨 app 操作，同时结合个人场景，为用户简化和加快 日常任务流程。Apple Intelligence 主要具有以下能力：①理解和创作语言的能力，为用 户解锁提高写作和沟通的新方式，包括对邮件、备忘录、Pages 文稿和各类第三方 app 中的文本内容的理解、改写和校对等；②借助于 Image Playground 为用户提供图像创 作功能，帮助用户用全新方式进行交流和表达自我；③对于照片和视频可以进行便捷地 搜索、修正和整理；④赋予 Siri 更深层次的语言理解能力，让 Siri 表现得更自然，更契 合场景，更贴合用户个人需求，还能简化和加快日常任务流程等。 苹果 AI 或将于 2025 年支持中国大陆地区的苹果设备，或将带动 AI 手机逐渐成为 标配。据苹果 CEO Tim Cook 在财报会议中表示，Apple Intelligence 将在 2025 年 4 月 新增对包括中文在内的多种语言的支持。

在 AI 手机供给方面，各手机厂商抢占 AI 高地，推动 AI 功能持续落地。各大手机 厂商对手机的 AI 功能越发重视，积极尝试 AI 对各项功能的赋能作用，我们认为随着各 品牌手机对 AI 功能的探索和理解加深，有助于推动手机的 AI 功能不断地深化扩展，同 时厂商或将不断优化 AI 算法，提高 AI 功能的响应速度和准确性，进一步加大软硬件结 合，实现更高效的数据处理和更流畅的用户体验。

在 AI 手机需求方面，用户换机时更考虑手机 AI 功能“有没有”而非“好不好”。苹 果手机在中国地区出货量已连续 5 个月（可统计数据）同比下滑，2024Q4 中国地区苹 果出货量 YoY 为-9.60%。与之相反，在中国地区的非苹果手机出货量连续 4 个月同比增 加，24Q 出货量 YoY 达 7.18%。据苹果 CEO Tim Cook，苹果手机在华销量下滑的部分 原因在于未能在中国地区提供 Apple Intelligence。

联想迅速推出部署端侧 DeepSeek 的 AI PC，有望助推 AI PC 市场吸引力。2025 年 2 月 25 日，联想集团发布 YOGA AIPC 新品，通过端侧部署与蒸馏技术创新，在消费 级设备上实现 70 亿参数端侧 DeepSeek 模型的流畅运行。这一技术突破使得用户文档 的总结、翻译、撰写等操作无需调用云端大模型即可完成，充分保障数据隐私与离线可 用性，通过端云协同+混合式 AI 的架构创新，端侧部署 DeepSeek+个人云方案成功化解 了大模型领域长期存在的“高性能、低成本、安全可靠”的“不可能三角”难题。我们 认为联想作为先行者成功证实了现有 AI 模型在经过蒸馏后可以在端侧部署的可能性，或 将带动更多设备尝试接入本地化 AI 功能。

综合来看，AI 手机及 PC 在 2025 年或将进一步爆发，渗透率预计持续拉升。据 IDC 测算数据，2023 年我国 AI PC 的市场规模约为 320 万台，渗透率约为 8.1%；AI 手机的 市场规模约为 1000 万台，渗透率约为 5.5%，还处于产品导入市场的阶段。而市场普遍 认为 2024 年将是 AI 个人终端的爆发元年，由于 AI PC 具有生产力场景最多、个人算力 最高、存储容量最大等优势，与 AI 技术融合速度会更快，2024 年市场规模有望达到 2200 万台，渗透率超过 50%，到 2027 年市场规模将突破 4200 万台；AI 手机囿于体积和功 耗等限制，渗透速度相对较慢，但是智能手机的广泛性和普及性支持 AI 手机长期为智能 机增长赋能，预计到 2027 年，AI 手机市场规模将超过 1.5 亿台，渗透率将超过 50%。

3.2 AIoT：以 AI 眼镜为代表的设备机会显现

跟进 Ray-Ban Meta，2024 年各厂商逐渐发力布局 AI 眼镜。Ray-Ban Meta 自 2023 年年底发布以来，便成为了现象级的爆款单品，甚至可以说成为了 AI 眼镜这一品类的专 属代名词，我们认为 Ray-Ban Meta 的火爆具有多个原因：包括轻便、时尚、智能、社 交等。而随着 Ray-Ban Meta 的火爆，可以看到在 2024 年出现了更多的对标产品，其 中也不乏国产创业企业和互联网巨头，同时 Ray-Ban Meta 珠玉在前，科技厂商与传统 眼镜厂商的抱团合作已成趋势，双方可在眼镜设计、光学配镜、市场渠道上产生深度合 作，带来更大商业价值，伴随着 ODM/OEM 厂商的发力，供应链技术成熟度的提高，预 计 2025 年将会有更多的 AI 眼镜，以及更多样化的单品设计。

以 Meta 眼镜为例看，成本压力有望得到缓解。RayBan Meta 成本总计 174 美元， 主板芯片的成本约 99.1 美元，占比约 56.95%，成本占比超一半；眼镜充电盒的成本约 17.5 美元，占比约 10.06%；结构件的成本约 16.9 美元，占比约 9.71%；OEM 的成本 约 15 美元，占比约 8.62%。我们认为参考 TWS 耳机发展历程，AI 眼镜有望演绎消费 者购买单价下降，大幅拓展需求空间的趋势，形成如 TWS 耳机的“强需求”生态圈，原 因包括：①技术成熟和供应链完善，主控芯片、传感器等核心元器件的技术逐渐成熟，供应链也更加完善，使得生产成本降低，从而推动了价格的下降；②国产芯片的崛起， 国产主控芯片的崛起使得 TWS 耳机的核心成本进一步降低，随着国产 AI 眼镜的发布， 国产芯片预计持续导入；③制造良率的提升，生产效率提高，单位成本降低。

2025 年 AI 眼镜有望进入爆发期。我们认为眼镜作为人体感官的延伸，其便捷、高 效、直接的特点，使得在眼镜上搭载端侧 AI 功能的意义性巨大，AI 眼镜未来的增长空 间十分广阔。Ray-Ban Meta 的带动下，全球 2024 年的 AI 眼镜销量由 Q1 的 13 万副涨 到了 Q4 的 140 万副，预计随着参与厂商的增多，这个数字还会以较快的速度持续增长， 我们认为站在 2025 年初的节点上，可以看到多重因素驱动 AI 眼镜爆发，包括：Ray-Ban Meta 的销量持续增长、多款 A1 智能眼镜新品上市兑现、各大型企业入场发售 AI 智能 眼镜新品。据 Wellsenn XR 数据预测，2025 年 AI 眼镜销量有望达到 350 万副，到 2030 年有望达 9000 万副，CAGR 达 83.7%。

参考海外发展历程，国内 AI 眼镜处在爆发前夕。国内市场方面，2024 年国内销量 仅有 5 万副，占比约 3%，销量主要来源于星际魅族 MYVU、StarV、界环、李未可等较 早发布 AI 眼镜产品的厂商，四季度虽然发布产品较多，但量产发售的时间基本落在 2025 年，因此我们判断国内市场正处于 2023 年的海外市场阶段，即将迎来爆发。同时如百 度、小米等互联网大厂 AI 眼镜单品曝光频繁，2025 年落地指日可待，有望形成“鲇鱼 效应”，拉动消费者对 AI 眼镜的关注并推动消费者形成消费认知，充分提振国内市场。

带摄像头 AI 智能眼镜方案中，硬件的核心是 SoC。带摄像头 AI 智能眼镜目前有三 种方案：系统级 SOC 方案、MCU 级 SOC+ISP 方案以及 SOC+MCU 方案，其中系统 级 SOC 方案集成度较高，功能较多，内置支持拍摄功能的 ISP 模块。MCU 级别 SOC+ISP 方案集成度较低，需外接 ISP 芯片实现拍摄功能。SOC+MCU 方案适用性广，兼顾低功 耗和高功耗应用，可通过系统调度有效控制续航时间。

①系统级 SOC 方案：SOC 中集成多核 CPU、GPU、DSP、ISP 等多种功能模块， 集成度高，内核频率高，可为系统提供高性能计算能力，允许 AI 应用的端侧部署。同时 集成的 DSP、ISP 可支持音频、摄影等功能，通用性高，方案成熟。缺点是成本高，功 耗高。 ②MCU 级 SOC+ISP 方案：MCU 级 SOC 内部以 MCU 内核为处理中心，可集成音 频模块，GPU、NPU 或其他功能模块，集成度低，内核频率低，更多功能的实现需要外 部连接其他功能芯片。优点是成本低，功耗低，定制化能力高。缺点是可提供的系统处 理能力不高，且方案相对不成熟。 ③SOC+MCU 方案：SOC 可负责需要高计算能力的应用场景，如支持分时操作系 统，人工智能应用，拍摄功能等；MCU 可负责低计算能力的应用场景，如音频等。该方 案下可实现合理的电源管理，延长设备运行时间，兼顾高低算力的应用需求，可用性广。 缺点是成本极高，对芯片设计能力、系统开发能力要求高。 我们看好 AI 眼镜爆发对 SoC 的带动作用。考虑 AI 眼镜作为人体视觉感官的延伸， 其应用场景落地于通过图像接入进行娱乐社交、生产力提升以及垂直领域的可能性更高， 而初期需求依赖成本端的有效控制，随着使用习惯的培育未来或会对性能需求不断提升。因此我们认为伴随 AI 眼镜爆发，SoC 器件受益可能性较高。

3.3 智能驾驶：智驾逐渐成为亲民标配，市场空间有望大幅扩容

比亚迪智驾全面下放，天神之眼覆盖大部分车型，汽车价格战或将由“电动战”转 向“智能战”。2 月 10 日，比亚迪举办智能化战略发布会，宣布比亚迪将全系搭载“天 神之眼”高阶智驾系统，开启“全民智驾时代”，比亚迪全系自研的天神之眼基本覆盖了 旗下的 90%以上的车型，三套方案 A/B/C 分别对应高端子品牌仰望/中高端腾势+比亚迪 /低价位段车型。面向大众主流市场的天神之眼 C。由于将高快领航、城区记忆领航等中 阶智驾系统的搭载门槛降至了 10 万以内，搭载天神之眼 C 的海鸥智驾版起售价仅为 6.98 万元，而比亚迪本身在中低端市场较大的销售体量与市场认可度，我们认为比亚迪 此举有望对智能驾驶现有市场格局产生较大改变。

特斯拉 FSD 入华，智驾竞争再次深化。2 月 25 日，特斯拉中国发布资讯，表示开 始面向定购了 FSD 智能辅助驾驶功能的用户，分批推送软件更新，升级城市道路 Autopilot 自动辅助驾驶。特斯拉在此次软件更新中最主要的更新为对车辆提供自动辅助 驾驶，会根据导航路线引导车辆驶出匝道和交叉口，在路口识别交通信号灯进行直行， 左转，右转，掉头等，并根据速度和路线自动进行变道动作。此次更新虽然并非完整的 全自动驾驶 FSD，但是 Autopilot 的更新使得特斯拉在中国的高阶智驾方面追平国产厂 商。作为全球新能源汽车的标志性企业，特斯拉此举或将进一步刺激国内智驾市场，供 需双方强化聚焦当前智驾的配备情况。

政策层面对智驾的支持力度逐渐加大。从政策面看，各部门对于智驾的认可及支持 都在不断加深。以北京市最新政策条例看：北京市第十六届人民代表大会常务委员会第 十四次会议通过了北京市自动驾驶汽车条例，在基础设施规划建设、上路通行管理、安 全保障、法律责任等方面都制定了相关管理办法，此条例将从 2025 年 4 月 1 日开始实 行，我们认为随着顶层的政策构建愈发完整，智驾的渗透率和使用率不断提升的可能性 也就越高。

从 2024 年 20-25 万区间来看，20 万以下车型高阶智驾 2025 年有望爆发。高阶智 驾功能的定价格局在三年间经历了显著变迁。2022 年，该技术主要集中于 30-35 万元的 中高端车型，被视为豪华的象征。进入 2023 年后，市场呈现阶梯式分化：一方面向 50 万元以上的旗舰车型延伸以强化技术标杆地位，另一方面快速下沉至 20-25 万元主流区 间，当年下半年该价格段成为城市 NOA 功能量产的核心战场。而进入 2024 年后，高阶 智驾一方面持续下沉，另一方面则加速渗透： 根据中汽协数据，以销量统计，2024 年我国售价在 20 万元以下的新能源汽车占比 较高，合计达到 60.60%，即对于消费者而言 20 万元以下车型为主力购买区间。根据佐 思汽研数据，2024 年 1 月，20-25 万元价位段汽车的城市 NOA 搭载率仅有 2.1%，至 2024 年 10 月，该值则升至 24.7%，这一变化标志着城市 NOA 正加速普及，20-25 万 价位段已成为车企及第三方智驾厂商竞争的前沿阵地。 伴随各大车企及第三方智驾厂商在智驾配备和智驾技术上的持续发力，我们预计 2025 年搭配高阶智驾的低价位段车型会进一步提升。而由于此部分车型具有较大的市 场份额，因此预计智驾市场有望迎来爆发。

智驾走向平权时代，我们认为核心受益方包括国产智驾芯片及 CIS 等厂商。随着智 驾向各价位段车型的普及，我们预计智驾行业或将出现以下两大趋势：第一，DeepSeek 的开源推广，有望支持在既定算力有限情况下的模型性能提升，端到端大模型性能提升 使得国产汽车算力芯片性价比突出，发挥空间扩容，可以用较低成本应用于低价位段车 型；第二，视觉方案相较于含激光雷达的多传感器方案，具有更低的成本，以比亚迪三 套天神之眼配备硬件来看，C 方案在不含激光雷达的情况下，选择加装了更多的摄像头， 因此我们判断在智驾快速普及时期，采用视觉方案的车型会进一步提升，对作为摄像头 核心器件的 CIS 而言是较大利好。

4. 自主可控：长期坚定不移地看好科技自立

4.1 消费电子：国补弹性测度，有望带动产业链新活力

家电国补是推动 2024 年家电行业复苏的重要推手。2024 年 8 月 24 日，商务部等 4 部门办公厅发布关于进一步做好家电以旧换新工作的通知，对个人消费者购买 2 级及 以上能效或水效标准的冰箱、洗衣机、电视、空调、电脑、热水器、家用灶具、吸油烟 机 8 类家电产品给予以旧换新补贴。以彩电、冰箱、空调、洗衣机四大件来看，自国补 政策出台后，其零售量和均价都出现了不同程度的提升，尤其是在 9、10 月份，同比增 长值均出现了“小高峰”。

家电国补对于家电的零售量及均价都带来了正向影响。从 2024 年 9 月划分前后两 个阶段，分别称为“国补前”和“国补后”，从零售量来看：家电四大件在国补后的增长 显著高于国补前阶段的增长，增长值至少为 5.8pct，其中空调增长值最多，达到了 43.5pct； 从销售均价来看：家电四大件同样出现了国补后的明显提升，最低的增长值出现在彩电 为 5.6pct，最高的则为洗衣机，达 11.8pct。因此可以明显看到，家电国补极大地提升了 消费者热情，对于家电以旧换新的充分需求使得家电销量实现了一定增长，同时，由于 补贴的存在，对于消费者而言，既定额的消费支出可以购得相对高端的产品，国补前原 本零售价格较高的产品的到手价也有一定降幅，因此消费更高价格产品的倾向明显。

从家电国补推演手机国补影响，有望拉动国内手机需求大涨。2025 年 1 月 5 日， 发改委、财政部发布关于 2025 年加力扩围实施大规模设备更新和消费品以旧换新政策 的通知，实施手机等数码产品购新补贴。对个人消费者购买手机、平板、智能手表手环 等 3 类数码产品（单件销售价格不超过 6000 元），按产品销售价格的 15%给予补贴，每 位消费者每类产品可补贴 1 件，每件补贴不超过 500 元。 2024 年全年国内智能机出货量 YoY 为 5.26%，以此作为假设：国内手机市场的当 前自然增长率为约 5%，考虑我国手机价位段占比情况，消费者为充分利用补贴机会，中 高价位段且位于补贴范围内的手机需求增长的可能性更高，我们认为销量提升最大的部 分为 3000-4000 价位段，其次是 4000-6000 价位段，再次是 3000 以下，最后是 6000 以上。 参考家电补贴后的影响，估计增幅最大部分的价位段同增提升 8-10pct，增幅最小部 分的价位段同增提升 4-5pct，同时考虑到国补带来的促销作用或会随时间有一定减弱， 综合预计 2025H1 智能机同比增长有望达到 10.5%-11.7%，H2 同比增长也有望达 5.5%- 8.2%。

手机国补助力国内手机市场增长，国产手机厂商或为主要受益方。原因在于：第一， 2025 年 1 月，华为以 19.3%的市场份额位居榜首，激活量达 634.81 万台，同比增长 27.7%，小米、vivo 则分别以 17.34%和 16.66%的份额紧随其后，苹果仅有 13.71%的 份额位列第五，显示国产头部品牌已形成一定优势；第二，国产品牌在中低端机型市场 具有统治性优势，2000-4000 元价位段市场几乎无国外品牌竞争空间，而我们在前文分 析本次国补后销量提升最大的市场即这部分市场；第三，伴随华为 Mate70 系列的发布， 华为在高端市场的表现持续亮眼，而 2025 年华为在折叠屏、卫星通信、多端互联等技 术上预计将进一步巩固优势，有望持续强化国产品牌概念。 以智能机为代表的消费电子走向复苏，国产品牌带动国产半导体厂商增长有望。虽然在全球范围内消电复苏略为缓慢，但国内市场表现分化，在各地补贴和新机频出的带 动下 2024 年手机市场同增持续走高，我们预计在 2025 年的国补带动下，以智能机市场 为代表的消费电子在国内的复苏或将提速，受益可能性最高的国产手机品牌对国产半导 体市场也有望带来较为可观的提振作用，带动消电链、安卓链芯片厂商逐步走出困境。

4.2 集成电路制造&封测：非 AI 慢慢出走底部，下游需求或拉动产业协同

制造端来看，各大晶圆厂在 2024 年均得到一定的复苏。从中国台湾地区的晶圆厂 月度营收视角观察，2024 年晶圆代工厂的明显变化的趋势在于：除去台积电这种大量产 能和收入集中于先进制程的代工厂以外，其它如世界先进、力积电等以成熟制程为主的 晶圆厂营收同比变化也已经有 5-10 个月的时间回归到增长区间段，即说明自 2024H2 以 来，晶圆代工的需求是十分强劲的，且其中非 AI 的部分也回到了平稳增长的区间，我们 认为在需求端大概率不会走弱的前提下，这个趋势在 2025 年是可以延续的。

国产晶圆厂的产能供给处于不断扩张中。据 TrendForce 预测，2024 年中国大陆在 全球成熟节点制造产能中的占比为 34%，中国台湾为 43%。到 2027 年，中国大陆的份 额预计将超过中国台湾，而韩国和美国的份额则将分别降至个位数并预计下降。据 SEMI 预测，2023 年至 2025 年间投入生产的 97 家新建制造厂中，有 57 家位于中国大陆。从 具体项目来看，中芯国际深圳 12 英寸晶圆厂、华润微（润鹏）12 英寸晶圆厂、增芯 12 英寸晶圆厂等都是 2024 年新增的晶圆厂项目，此外，还有鼎泰匠芯、鹏芯微、鹏新旭 等晶圆厂也在 2024 年进行了建设或投产。 同时，国产晶圆厂呈现出来的需求增长态势更加明显。我们认为相较于其它地区（尤 其是中国台湾地区）的晶圆厂而言，受供应链安全的需求，大陆晶圆厂受益于国内终端 需求提升的可能性更高，尤其是随着非 AI 领域的需求复苏，成熟制程和特色工艺的机会 可能会更多地显现出来。我们判断在供需双端走强的情况下，国产产能的扩张与需求转 向可以较好地匹配，国产晶圆厂具有较大的营收增长空间。

封测端来看，先进封装在提升芯片性能的意义上愈加重要。当前集成电路的发展至 摩尔定律逐渐受限的阶段，芯片性能受“存储墙”“面积墙”“功耗墙”和“功能墙”制 约，摩尔定律与其说是半导体行业的技术定律，不如说是商业定律，通过缩短制程来提 升芯片性能的方案技术难度大的同时且成本十分昂贵，在性能提升和成本上涨无法匹配 的情况下，采取先进封装提升 IO 数量提升互联带宽达到最终芯片性能需求的方案性价 比就更加凸显出来。

以台积电 CoWoS 为代表，先进封装的需求预计持续旺盛。在高密度异构集成中， 追求高带宽和低信号延迟的互连变得越来越关键，台积电 CoWoS（Chip-on-Wafer-onSubstrate）技术因其大集成面积、高带宽内存而备受关注。 从技术演进角度，CoWoS 的演进路径清晰。由于 AI 加速器对计算性能的需求持续 增长，封装中需集成更多芯片，因此中介层尺寸也随之增大，2023 年，台积电的 CoWoS 封装中介层尺寸约为 80×80mm，相当于光掩膜（Reticle）的 3.3 倍大小，其计划到 2026 年将其扩展至100×100mm，光掩膜的5.5倍，并在 2027年进一步扩大至120×120mm， 光掩膜的 8 倍。从产能扩张角度，台积电持续扩张产能以应对 AI 发展浪潮。2023 年台 积电 CoWoS 产能约为 13000~16000WPM，预计 2025 年将达到 65000~75000WPM， 2026 年预计将达到 90000~110000WPM。

对于国产 OSAT 而言，大力发展先进封装的意义显著。原因在于：①先进封装中的 2.5D、3D stacking、晶圆级封装等是 HBM、AI 芯片的重要前置技术，对于我们构造国 产 AI 生态是无法绕开的；②如 chiplet 技术是整合国产不同半导体厂商产品的有效方式， 有望推动国产厂商形成合力，构建产业生态；③当前在部分核心技术与设备受限严重的 情况下，突破先进制程的性价比较低，因此大力发展先进封装的意义进一步提升；④ DeepSeek 的落地加速国产 AI 芯片市场扩张，而其模型优化依赖高密度芯片集成，国内 AI 芯片市场占比或将提升，倒逼国产先进封装技术突破；⑤国产 OSAT 市场份额较大， 技术追赶迅速，2023 年国内先进封装产能突破 150 万 WPM，长电科技和通富微电市占 率合计达 37%。预计先进封装市场将会迅速增长，前景广阔。据 Yole 预测，全球先进 封装行业的市场规模在 2023 年达到 378 亿美元，预计到 2029 年将达到 695 亿美元， 2023-2029 年的 CAGR 达 10.68%。

4.3 半导体设备&材料：制造封测端的机会传导，有望实现外退内进

2024 年半导体设备销售一扫颓势，维持增长态势。整体看全球半导体设备销售额同 比变化，进入到 2024Q2 以来全球设备销售额 YoY 回正，Q3 全球销售额达 303.7 亿美 元，YoY 达 18.86%，录得近两年最高值。分结构从各地区半导体设备销售额同比变化 来看，有几个特征：一是大陆地区的增速自 2023 年以来保持正值，说明了需求的可延 续性；二是美国和中国台湾地区的增速在 24Q3 回正，这是由于美国推动的制造业回流 和中国台湾地区受 AI 需求不断扩张带来的结果。

由于前期的低基数，半导体材料市场 2024 年有望回暖。在 2023 年由于受行业周 期性调整影响，市场规模同比下降，据 SEMI 数据显示，2023 年全球半导体材料销售额 为 667 亿美元，较 2022 年 726.9 亿美元下降 8.25%。受益于 AI 驱动和晶圆厂扩产等因 素，预计 2024 年全球半导体材料市场将实现回暖。

从晶圆厂 CapEx 看设备材料边际的需求变化，国产材料设备预计将维持增长。由 于大陆晶圆厂在当前全球格局下是更受国产 IC 设计厂商“Local for Local”青睐的，因 此其对于产能扩张的需求是高于其它地区的晶圆厂的，中芯国际和华虹公司的产能利用 率持续高位运行可以予以佐证。在当前时点下，我们认为这一关键趋势未发生改变，对 国产材料设备商而言，从中芯国际和华虹公司的 CapEx 动向来看，中芯国际预计资本开 支将大致持平，华虹则是由于产能利用率始终保持 100%左右的高位，其新产线产能扩 张的需求较大，因此我们判断 2025 年国内晶圆厂 CapEx 有望实现稳中有增。 在需求端整体稳定的情况下，我们认为结构性的调整是设备材料增长的最关键动能。 从当前设备和材料的国内自给率来看，我们看到两个特点：①当前的材料设备国产化率 较此前已有明显提升，根据 TechInsight，2018 年中国设备市场的自给率为 15.9%，到 了 2023 年增至 23.3%，半导体材料中 2022 年硅片国产化率仅为 9%，至 2024 年 8 英 寸硅片国产化率达 55%；②尽管有所提升，但当前值整体仍然偏低，因此我们认为设备 材料的市场空间是依旧巨大的，TechInsight 预测 2027 年设备自给率将上升至 26.6%， 当前的全球竞争环境对国产厂商而言是风险更是机遇，我们认为自主可控长期的趋势是 不会发生改变的，以国产 AI 为代表的下游需求领域正处于高速发展的快车道上，有望推 动设备材料厂商持续切入。

编辑：火腿肠